Passenger Cognitive Model

基于脑电图的系统解码自动驾驶汽车的乘客危险感知

研究人员开发了一个新的框架，使用脑电图（EEG）来解码乘客的认知状态，以提高高度自动化车辆的安全性。该系统称为乘客认知模型（PCM），集成了3D卷积循环神经网络（3D-CRNN），通过分析乘客的神经反应来预测风险和识别危险。该框架表现出强大的性能，在风险预测方面实现了95.3%的平衡准确率，并将危险识别准确率提高到85.0%。该系统在不同会话和受试者之间也显示出良好的泛化能力，表明其在未来自动驾驶汽车的决策和安全功能中具有辅助监督的潜力。